输入维度错误

Question

我正在尝试实现一个自定义的rbf核函数。然而，我得到以下错误。我不知道为什么预期会有一定数量的数据点？ 此代码行出错：

rbf_y = rbf_kernel.predict(X_test)

代码

def myKernel(x,y):
    pairwise_dists = squareform(pdist(x, 'euclidean'))
    K = scip.exp(-pairwise_dists ** 2 / .08 ** 2)
    return K

rbf_kernel = svm.SVC(kernel=myKernel, C=1).fit(X_train, Y_train.ravel())
rbf_y = rbf_kernel.predict(X_test)
rbf_accuracy = accuracy_score(Y_test, rbf_y)

错误：

ValueError: X.shape[1] = 15510 should be equal to 31488, the number of samples at training time

数据形状

X_train shape:  (31488, 128)
X_test shape:  (15510, 128)
Y_train shape:  (31488, 1)
Y_test shape:  (15510, 1)

从内核返回形状

myKernel(X_train, X_train).shape = (31488, 31488)

Answer 1

自定义内核kernel(X, Y)应该计算矩阵X和矩阵Y之间的相似性度量，并且输出的形状应该是[X.shape[0], Y.shape[0]]。内核函数忽略Y，并返回一个[X.shape[0], X.shape[0]]形状的矩阵，这将导致您看到的错误

要解决此问题，请实现一个核函数来计算正确形状的核矩阵。sciketlearn的custom kernels documentation提供了一些简单的例子来说明这是如何工作的

对于您的特定内核，您可以尝试用cdist(x, y)代替squareform(pdist(x))